Perbandingan model Artificial Neural Network dengan model regresi logistik dalam pengklasifikasian peubah respon biner

ANN (Artificial Neural Network) atau biasa disebut dengan Jaringan Syaraf Tiruan adalah representasi buatan dari otak manusia. Pada regresi nonlinier, ANN dapat digunakan untuk mengklasifikasikan peubah respon yang bersifat biner dengan peubah bebas yang bersifat kategorik atau kontinu tanpa memerlukan asumsi apapun. Jaringan yang digunakan dalam ANN adalah jaringan perambatan maju dengan banyak lapisan (Multi Layer Feed Forward Network) atau biasa disebut dengan jaringan perambatan galat mundur (Backpropagation). Adapun sebagai pembanding digunakan Regresi logistik. Tujuan utama dalam tugas akhir ini adalah untuk mengetahui ketepatan pengklasifikasian dari model ANN dan model regresi logistik khususnya pada peubah respon biner sehingga dapat diketahui model yang lebih baik. Tahapan perbandingan dimulai dengan membagi data menjadi 2 bagian, data untuk membentuk model (training) dan data untuk validasi (testing). Pada perbandingan pertama digunakan semua peubah bebas, dan pada perbandingan kedua digunakan peubah bebas yang dianggap terbaik oleh model regresi logistik. Dari data yang digunakan diperoleh bahwa model ANN memiliki rata-rata persentase kesalahan yang lebih kecil pada data pembentuk model (training) yaitu 7,1% untuk model penuh dan 10,22% untuk model reduksi, pada model regresi logistik yaitu 16,85% untuk model penuh dan 18,7% % untuk model reduksi tetapi tidak pada data validasi (testing) dimana model ANN memiliki rata-rata persentase kesalahan 18,3% untuk model penuh dan 20% untuk model reduksi sedangkan pada model regresi logistik yaitu 13,2% untuk model penuh dan 12,6 % untuk model reduksi